OpenClaw 实战：如何用 Claude-Mem 技能给 Agent 装上“渐进式长期记忆”

TL;DR (摘要)

为什么你的 Agent 总是记不住你的习惯？通过配置 Claude-Mem 技能，Agent 可以获得一个本地 Web 面板支持的长期记忆库。它会根据对话内容自动提炼并存储关于你的事实、偏好和项目背景，并在后续会话中精准检索，让你越用越顺手。

---

Q1：普通的 Context 记忆和 Claude-Mem 有什么区别？

A1：

• 普通记忆：随 Session 销毁。如果对话太长，旧信息会被截断，导致 Agent “失忆”。
• Claude-Mem：是 RAG (检索增强生成) 风格的。它将记忆存储在本地，Agent 会按需“查询”历史信息，即使是半年前你说过的一句话，它也能翻出来，且不占用大量的 Context 窗口 Token。

Q2：Claude-Mem 技能提供哪些核心功能？

A2： 该技能将 Agent 变成了一个会“记笔记”的员工：

• 主动提炼：对话结束后，Agent 自动将重要信息（如：你的技术栈偏好、项目命名规则）存入记忆。
• 动态检索：当你问“之前那个项目的部署路径是啥？”时，Agent 会先查记忆库再回答。
• 可视化管理：提供本地 Web UI，你可以手动查看、编辑或删除 Agent 存储的记忆。
• 跨 Agent 共享：不同 Session 的 Agent 只要配置了相同的数据库，就能共享记忆。

Q3：如何配置这个技能？（含原始链接）

A3： 该技能由 Peter Steinberger (steipete) 开发，是 ClawHub 上最受欢迎的记忆增强插件。

• 原始地址：https://github.com/steipete/claude-mem

1. 配置 MCP 映射

在你的 config.toml 中加入：

[mcp.servers.memory]
command = "npx"
args = ["-y", "@steipete/mcp-server-memory"]

Q4：实战场景：让 Agent 记住你的“代码风格癖好”

Q4： 我该如何让它开始记住我？ A4：

“一诺，从现在起，请记住我写 Python 时的习惯：缩进用 4 个空格，类型注解（Type Hints）是必须的，且所有的错误处理都要使用自定义异常。请将这些存入你的长期记忆。”

Agent 的执行逻辑：

1. 调用 store_memory 存入这些规则。
2. 下次你让它写一段代码时，它会自动调用 search_memory 检索到这些偏好。
3. 输出符合你癖好的代码，而不需要你每次都写在 Prompt 里。

Q5：隐私和 Token 消耗如何平衡？

A5：

• 隐私：所有记忆都存储在你本地磁盘，不上传云端。
• Token 优化：它是“渐进式”的。只有在需要时才会把相关的记忆碎片塞进 Context，比起全文背诵几百页文档，它极大地节省了 Token 成本。

---

交付声明：本教程基于 OpenClaw 2026 最新架构与极客社群高频使用的记忆增强方案。建议在需要深度个性化协作的长期项目中使用。

更多资源：访问 UseClaw 官网 获取更多“数字员工记忆管理”实战案例。